책소개

"챗지피티(ChatGPT)와 같은 대화형 AI의 ‘두뇌’는 대규모 언어 모델(LLM: Large Language Model)이다. ChatGPT의 API가 공개된 이후, 많은 기업과 엔지니어가 경쟁적으로 LLM 응용 프로그램 개발에 착수했는데, 이러한 개발을 효율화하는 도구가 랭체인(LangChain)이다. 랭체인은 파이썬(Python) 등에서 호출할 수 있는 라이브러리 중 하나로, ‘챗지피티 같은 언어 생성 AI를 사용한 애플리케이션 개발에 유용한 도구 모음’과 같은 것이다. 언어 생성 AI 모델의 라이브러리는 많지만, 랭체인이 기능의 풍부함과 사용의 용이성 등에서 뛰어나 현재는 사실상의 표준이 됐다. 이 책은 랭체인을 사용해 애플리케이션을 개발하면서 랭체인의 기능을 자세히 설명한다.
★ 이 책에서 다루는 내용 ★
◎ 랭체인의 각 모듈을 활용해 AI 애플리케이션을 개발하는 방법을 이해한다.
◎ 다양하고 실용적인 예제 코드를 통해 구체적인 개발 접근 방식을 배운다.
◎ 파이썬과 비주얼 스튜디오 코드(VS Code)를 이용한 개발 방법을 익혀 여러 플랫폼에서의 개발에 적용한다.
◎ 프롬프트 엔지니어링의 기초를 배워 AI와 대화하는 방법을 익힌다."

저자소개

1990년 도쿄에서 태어났다. 프리랜서 풀스택 엔지니어로서 다수의 웹서비스를 처음부터 개발하고 운영했다. 베이스푸드(BASE FOOD) 주식회사에 첫 번째 엔지니어로 참여해 정기 구매 시스템을 구축했으며, 그 후 상장까지 프런트엔드, 백엔드, 인프라 전부를 담당했다. ChatGPT에 큰 충격을 받고 AI 관련 기술에 관심을 갖게 되었으며, 동영상에 번역 자막을 붙일 수 있는 웹 서비스를 개인적으로 개발해 출시했다(konjac.ai).

목차

▣ 1장: 챗지피티와 랭체인

01. 챗지피티와 언어 모델에 관해 알아보기 

___챗지피티란?    

___OpenAI의 API에서 사용할 수 있는 대표적인 두 가지 언어 모델    

___OpenAI 이외의 언어 모델 알아보기      

02. 랭체인 개요  

___언어 모델을 이용한 애플리케이션 개발  

___랭체인으로 언어 모델을 이용한 애플리케이션 개발이 쉬워진다     

___랭체인에 준비된 6개의 모듈     

03. 랭체인을 이용한 애플리케이션 예시     

___PDF에 대해 질문할 수 있는 챗봇         

___파일 상호작용 및 인터넷 검색이 가능한 챗봇     

04. 실습 준비     

___파이썬 실행 환경 구축 

___VS Code에서 파이썬을 이용한 개발이 쉬워지는 확장 기능          

___OpenAI API 키 받기    

___환경 변수에 API 키 설정하기   

05. OpenAI의 API를 호출해 작동을 확인한다         

___Chat 모델의 API를 호출해 보자 

▣ 2장: Model I/O - 언어 모델을 다루기 쉽게 만들기

01. 언어 모델을 이용한 응용 프로그램 작동 방식   

___언어 모델 호출이란?    

___Model I/O는 랭체인의 가장 기본적인 모듈이다   

___Model I/O를 구성하는 3개의 서브모듈   

___Language models를 사용해 gpt-3.5-turbo 호출하기        

___PromptTemplate로 변수를 프롬프트에 전개하기  

___PromptTemplate에서 제공하는 다른 기능들        

___Language models와 PromptTemplate의 결합      

___목록 형식으로 결과 받기         

02. Language models - 사용하기 쉬운 모델 

___통일된 인터페이스로 사용하기 쉬움      

___Chat models와 LLMs   

___Language models의 편리한 기능          

03. Templates - 프롬프트 구축의 효율성 향상        

___프롬프트 엔지니어링을 통한 결과 최적화          

04. Output parsers - 출력 구조화  

___결과를 날짜와 시간 형식으로 받아보기  

___출력 형식을 직접 정의하기      

___잘못된 결과가 반환될 때 수정을 지시할 수 있게 한다     

▣ 3장: Retrieval - 알지 못하는 데이터를 다루기

01. 언어 모델이 미지의 데이터를 처리할 수 있게 하려면     

___모르는 정보에 기반한 답변을 할 수 있는 구조   

___답변에 필요한 문장을 찾는 방법이 중요 

___유사 문장 검색을 위해 필요한 벡터화란?          

___언어 모델을 사용해 텍스트를 벡터화하기          

___벡터 유사도 검색       

___벡터 유사도 검색에서 RAG를 통합하는 구체적인 절차     

___사전 준비      

___검색 및 프롬프트 구축 

02. 주어진 PDF를 기반으로 답변하는 챗봇 만들기   

___PDF에서 문장 불러오기           

___문장 나누기    

___분할된 문장을 벡터화해 데이터베이스에 저장한다          

___벡터 데이터베이스에서 검색 실행하기    

___검색 결과와 질문을 조합해 질문에 답하게 한다  

___채팅 화면 만들기       

___채팅 화면에서 질문을 입력할 수 있게 하기       

___채팅 시작 시 파일 업로드 가능 

03. RetrievalQA로 QA 시스템 구축이 쉬워진다       

___RetrievalQA란? 

___RetrievalQA로 코드를 간단하게 

04. 준비된 Retrievers를 사용해 위키백과를 정보원으로 활용 

___Retrievers는 문서를 검색하는 기능 세트 

___Retrievers에서 어떤 검색을 할지 제어하는 방법  

▣ 4장: Memory - 과거의 대화를 장·단기 기억하기

01. 언어 모델에서 대화란 무엇인가          

___HumanMessage와 AIMessage를 번갈아 가며 대화한다    

02. 문맥에 맞는 답변을 할 수 있는 챗봇 만들기     

___Chat models로 대화 기록을 기반으로 한 응답을 하게 하는 것     

___ConversationChain을 통해 알기 쉽게 처리         

03. 히스토리를 데이터베이스에 저장하고 영속화하기          

___데이터베이스에 저장해 대화 기록을 영속화할 수 있다     

___데이터베이스 준비하기 

___환경 변수에 레디스 정보 설정하기        

___레디스를 사용해 대화를 영속화한다      

04. 여러 개의 대화 기록을 가질 수 있는 챗봇 만들기         

___세션 ID를 바꿔서 대화 기록 전환하기    

05. 매우 긴 대화 기록에 대응한다 

___대화 기록이 너무 길어지면 언어 모델을 호출할 수 없다  

___오래된 대화 삭제하기  

___대화를 요약해 토큰 수 제한에 대응한다 

▣ 5장: Chains - 여러 프로세스를 통합

01. 다중 처리를 정리할 수 있다   

___Chains는 일련의 과정을 정리할 수 있다 

02. 여러 모듈을 쉽게 조합할 수 있는 Chains        

___LLMChain을 사용해 여러 모듈을 통합하는 방법  

___ConversationChain으로 기억을 가진 애플리케이션 개발이 쉬워진다          

___Chains에서 어떤 처리가 이뤄지고 있는지 자세히 보기     

03. 특정 기능에 특화된 Chains    

___특정 URL에 접속해 정보를 얻게 하는 방법        

04. Chains 자체 정리하기 

___Chains 자체를 순서대로 실행하는 SimpleSequentialChain 

▣ 6장: Agents - 자율적으로 외부와 상호작용해 언어 모델의 한계를 뛰어넘기

01. 외부와 상호작용하면서 자율적으로 행동하는 Agents     

___언어 모델에 도구를 부여할 수 있다      

___주어진 URL에서 정보를 얻게 하기        

02. Tool을 추가해 Agent가 할 수 있는 일을 늘리기 

___Agent가 할 수 있는 것은 전달하는 Tool에 따라 달라진다 

___환경 변수에 SerpApi의 API 키 설정하기 

___google-search-results 설치하기 

03. Tool을 직접 제작해 기능 확장하기       

___Tool을 직접 만들어서 할 수 있는 일의 폭을 더욱 넓힌다 

04. Retrievers를 사용해 문장을 검색하는 Tool 만들기          

___Retrievers는 Tool로 변환할 수 있다       

05. 문맥에 맞게 답변하는 에이전트 만들기 

___대화 기록을 보관하는 에이전트 생성하기          

▣ 7장: Callbacks - 다양한 이벤트 발생 시 처리하기

01. Callbacks 모듈로 할 수 있는 일 알아보기         

___로그 수집 및 모니터링, 다른 애플리케이션과 연동 가능   

02. Callbacks 모듈을 사용해 외부 라이브러리와 연동하기     

___준비된 클래스를 사용해 외부 라이브러리와 연동할 수 있다         

03. 로그를 터미널에 표시할 수 있는 Callbacks 만들기        

___Callbacks 모듈을 직접 제작해 이벤트 발생 시 처리를 수행한다    

▣ 부록: 랭체인에 대해 더 자세히 알아보는 팁

01. 공식 문서의 사용 사례에서 배우기      

___공식 문서 보기          

___Code understanding    

___Tagging        

02. 랭체인의 공식 블로그 및 기타 소스 확인         

___랭체인 공식 블로그     

___awesome-langchain으로 랭체인 관련 정보 수집하기       

___랭체인과 연동할 수 있는 언어 모델 및 외부 시스템 확인하기